人工智能 (Artificial intelligence， AI)不是新的科技，早在1943年已经开始萌芽，并于1956年在美国达特茅斯学院举行的一次会议中，正式确立了人工智能的研究领域。然而，由于人工智能一直无法在商用以及商品化的部分取得较具体的成就，因此投资人对人工智能的投资也是忽冷忽热，唯有各国政府在国防及军事应用上的研发一直没有松懈。

近年来拜工业4.0、照护机器人的热潮所赐，人工智能的发展又再度引起注目。然而，虽然蕴含人工智能的机器人或是机械手臂于工厂生产线的应用在目前最为普及，而且属最大宗，但台湾地区“资策会”产业情报研究所资深产业分析师陈赐贤却最看好商业智慧的市场潜力及发展。在应用领域方面，涵盖管理、商务 、金融、支付、健康照护、客户服务、物流、运输……等等。

在刚结束的第29届MIC Forum（大智移云翻转时代）中，资深产业分析师陈赐贤针对人工智能中的「机器学习专利趋势与大厂布局」作了深入的分析。他开宗明义的简单定义了人工智能：「人类的智能主要是以文字、声音加上影像来呈现；而人工智能则主要是针对文字、声音、以及影像加以辨识及处理，希望可以达到人类与机器的对谈互动与人类跟人类的对话互动一样自然。」

以IPC分类为基础，陈赐贤从美国专利商标局（USPTO）的专利数据库中找出2万多件人工智能相关美国专利， 经处理后分出8个类型，其中每一类型的特色详列于表1。图1则是8大核心技术类型的分配比例，可以明显看出「自然语言处理」技术占的比例最高，达78.4%，远远领先排名第2、只占5.4%的「专家系统」；而「机器学习」则排名第3，占4.2%。

图1. 　8大类型人工智能相关美国专利占比

数据源：MIC，陈赐贤简报数据，2016年9月

表1. 人工智能8大核心技术类型及特点

数据源：MIC，陈赐贤简报数据，2016年9月

「机器学习」发展潜力大

虽然「机器学习」的专利数量不是很多，但陈赐贤却非常看好「机器学习」的应用及市场潜力，他指出：「机器人未来会在智能制造中扮演很重要的角色，而『机器学习』则是近年来很重要的研发议题，特别是在大数据的时代尤其重要。『机器学习』不但具有学习能力，还能从巨量数据中找出归类，作出预测，协助人类解决很多复杂的问题。」

陈赐贤表示他在进行人工智能专利分析时发现，巨量数据在大数据时代扮演的角色越来越重要；在进专利交叉分析时，发现「机器学习」如果跟其他运算法搭配（如专家系统），即可发挥更大的效率，如作图型判断、知识呈现、文字间关联性对比等等。

陈赐贤举了一个很简单的例子：以前要命令机器人或是机械手臂去进行指定动作，必须要由工程师来写程序执行，但透过「机器学习」算法，便可以藉由声音及手势指示，教导机器人进行动作。像学习式机器手臂Eli (Extensible Language Interface)，便是透人类语音与手势教导，进行学习并完成人类交付之任务。

学习式机器手臂Eli学习示范影片

影片来源：IBM T.J. Watson；2012年1月

「机器学习」专利美国最强　遥遥领先

从20,000多件的人工智能美国专利中，陈赐贤以分类方式筛选出3,844件「机器学习」的专利技术，再进行深入分析。

图2显示3,844件「机器学习」的美国专利大部分集中在美国专利权人，达2,350件，高达6成的比例；紧接着为日本及德国。值得注意的是台湾在此领域中有43件美国专利，占比1.1%；而中国大陆虽然只有16件，占比0.4%，但陈赐贤指出中国大陆的专利技术领域比台湾来得广，不会像台湾只集中在特定领域。

图2. 「机器学习」相关美国专利以国家别分析

数据源：MIC，陈赐贤简报数据，2016年9月

图3是「机器学习」专利应用别分析。针对3,844件机器学习美国专利，透过数据比对，陈赐贤筛选出30项可归类为特定应用的关联技术进行分析，发现主要集中在数据辨识(Recognition of Data)， 占22.4%、控制系统 (Control System General)，占18.2%、监测或预测目的之数据处理系统 (Data Recognition System for Supervisory or Forecasting Purposes)，占15.6%。陈赐贤指出，从技术领域别的「监督或是预测」，可以找出来一个热门议题「商业智慧」(Business Intelligence)：包括第3方支付、办公室自动化、包括金融科技、客户服务及医疗照顾等等应用。

图3. 「机器学习」专利应用别分析 － 国际专利权人

数据源：MIC，陈赐贤简报数据，2016年9月

除了分析国际专利权人的「机器学习」专利应用别外，陈赐贤也分析了台湾专利权人43件「机器学习」美国专利的专利应用别。他发现台湾专利权人在控制系统的比例较高，占33.3%；而在数据辨识与信息科技管理方法的比重则相对较低，只分别占12.5%及8.3%。

台厂：产学合作好机会

陈赐贤也分析了「机器学习」专利权人的研发能力。表2之数据显示，国际专利权人相对研发能力前20名者，全数为厂商；反观表3台湾专利权人的部分，厂商属性仅占4成，学研单位比例则高达6成，显示「机器学习」这一块在台湾，研发能量比较集中在学研单位，厂商部分较为不足。因此，产学合作在未来会是很好的发展方向。

表2. 「机器学习」专利国际专利权人相对研发能力分析

数据源：MIC，陈赐贤简报数据，2016年9月

表4.「机器学习」专利台湾专利权人相对研发能力分析

前文提到「商业智能」是「机器学习」领域中一个热门的方向，表5呈现了国际专利权人之商业智慧专利分布状况。在国际专利权人223件商业智能专利中，显示在管理类专利最多、其余依顺序为商务、金融、支付、服务业、客户服务、物流、运输或通讯。

表5. 国际专利权人之商业智能专利分布

注：采用「机器学习」相关技术之.商业智能专利共有223件
数据源：MIC，陈赐贤简报数据，2016年9月

反观台湾专利权人在商业智能的专利只有2件 (表6)，且只集中在管理相关技术，其他热门的领域如商务、金融、支付、健康照护、客户服务、物流、运输或通讯等项目，尚未发现有台湾专利权人拿到机器学习相关技术专利。

表6. 国际专利权人与台湾专利权人之商业智能专利分布比较

数据源：MIC，陈赐贤简报数据，2016年9月

机会与挑战

陈赐贤指出，随着大数据时代的来临，商业环境制造了大量数据数据，机器学习算法能从巨量数据中找出规律作出预测，协助人们更有效率的作出选择，像是库存管理、广告营销、消费者分析、客户管理、投资交易、电子购物、健康照护、物流及客户服务等等；因此机器学习在人工智能领域中相当重要。

在商业智慧专利的部分，台湾专利权人目前只拿到2件机器学习的美国专利，与国际专利权人相比可以说是实力悬殊，短期内难以抗衡。

陈赐贤表示：「很明显的，台湾产学研界在商业智慧相关技术研发人才极为短缺，如何导入相关技术、缩短商品化时程，同时又可茁壮台湾自有技术与人才培育应是当务之急。」除了建议进行产学合作外，他也建议可以寻找一些利基市场，如「客户服务」这个项目专利数不多，且容易找到利基市场，台湾厂商可以考虑朝「智慧客服」(客户服务 + 机器学习) 的新兴应用市场发展。